CN117104218B - 无人驾驶远程控制协同决策*** - Google Patents
无人驾驶远程控制协同决策*** Download PDFInfo
- Publication number
- CN117104218B CN117104218B CN202311377695.0A CN202311377695A CN117104218B CN 117104218 B CN117104218 B CN 117104218B CN 202311377695 A CN202311377695 A CN 202311377695A CN 117104218 B CN117104218 B CN 117104218B
- Authority
- CN
- China
- Prior art keywords
- automobile
- abnormal point
- braking
- module
- abnormal
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 230000002159 abnormal effect Effects 0.000 claims abstract description 131
- 238000011156 evaluation Methods 0.000 claims abstract description 55
- 238000000034 method Methods 0.000 claims abstract description 36
- 230000008569 process Effects 0.000 claims abstract description 23
- 238000001514 detection method Methods 0.000 claims abstract description 14
- 238000012937 correction Methods 0.000 claims description 15
- 238000004422 calculation algorithm Methods 0.000 claims description 14
- 230000001105 regulatory effect Effects 0.000 claims description 8
- 238000007405 data analysis Methods 0.000 claims description 5
- 238000012545 processing Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 4
- 230000001276 controlling effect Effects 0.000 claims description 4
- 238000003708 edge detection Methods 0.000 claims description 4
- 238000007781 pre-processing Methods 0.000 claims description 4
- 230000011218 segmentation Effects 0.000 claims description 4
- 238000011282 treatment Methods 0.000 claims description 4
- 238000004458 analytical method Methods 0.000 claims description 2
- 230000009467 reduction Effects 0.000 claims description 2
- 230000007613 environmental effect Effects 0.000 abstract description 4
- 238000013461 design Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000003068 static effect Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 206010039203 Road traffic accident Diseases 0.000 description 2
- 239000007788 liquid Substances 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000001174 ascending effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000003139 buffering effect Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000011418 maintenance treatment Methods 0.000 description 1
- 230000000116 mitigating effect Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
- B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
- B60W30/09—Taking automatic action to avoid collision, e.g. braking and steering
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W10/00—Conjoint control of vehicle sub-units of different type or different function
- B60W10/18—Conjoint control of vehicle sub-units of different type or different function including control of braking systems
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W10/00—Conjoint control of vehicle sub-units of different type or different function
- B60W10/20—Conjoint control of vehicle sub-units of different type or different function including control of steering systems
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
- B60W40/06—Road conditions
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
- H04L67/125—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks involving control of end-device applications over a network
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2552/00—Input parameters relating to infrastructure
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2710/00—Output or target parameters relating to a particular sub-units
- B60W2710/18—Braking system
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2710/00—Output or target parameters relating to a particular sub-units
- B60W2710/20—Steering systems
Landscapes
- Engineering & Computer Science (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Automation & Control Theory (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明公开了无人驾驶远程控制协同决策***，涉及汽车无人驾驶技术领域，无人驾驶远程控制协同决策***，包括载具端、控制云端以及若干站点端；控制云端用于获取从载具端反馈的数据；载具端包括依次执行的异常点检测模块、评估判定模块和制动子***；异常点检测模块，用于获取前方路面信息，判断是否存在异常点；其技术要点为：在计算汽车制动状态评估值Pvce时，综合考虑了汽车与异常点之间的相关因素，并在对比汽车制动状态评估值Pvce与评估阈值时，增加考虑了外在环境因素，从而进一步提高***判定如何制动汽车的准确性，结合站点端和转向制动单元的设计，大大提高了汽车制动过程中行驶的安全性。
Description
技术领域
本发明涉及汽车无人驾驶技术领域，具体为无人驾驶远程控制协同决策***。
背景技术
汽车无人驾驶是指使用自动化技术和人工智能，使汽车能够在没有人类驾驶员的情况下自主地进行行驶和导航的技术和***，它通过激光雷达、摄像头、传感器和计算机等设备来感知周围环境，利用算法和模型进行决策和控制，以实现自主驾驶和自动化行驶；在厂区内的物流汽车由于搭载了4G/5G通信热备，可实现自动驾驶等功能，并可一键切换远程驾驶。
现有申请号为202110893527.1，名称为无人驾驶汽车的控制***及无人驾驶汽车的中国发明专利中公开的技术方案为：无人驾驶汽车的控制***集成了自动驾驶***、通信***和人机交互***，能实现L4等级的自动驾驶，通过使用中央安全网关，将自动驾驶***和人机交互***设置在不同的域中，通过中央安全网关实现控制***内部的自动驾驶***与人机交互***之间的安全网络通信和数据隔离；并且通过中央安全网关可以实现控制***与外部设备之间的安全数据传输。
然而，针对上述专利结合现有技术而言，在港口的交通道路上利用无人驾驶汽车进行货物运输，提高了驾驶员的安全性，但对于汽车本身的稳定性却得不到直观、准确的把控，传统的无人驾驶汽车会通过ESC来判定汽车在获取减速请求时是否选用常规制动或是紧急制动，一般减速度小于0.4g为常规制动，不小于0.4g为紧急制动，但是传统的判断方式考虑的因素单一，例如：对于港口周边而言，其道路的湿滑系数较高，仅仅是常规制动操作，无法使得汽车在遇到障碍物之前就停止；另外，若是汽车遇到障碍物时，仅仅利用紧急制动无法在遇到障碍物之前就停止，此时需要进行转向调节，直接驶离路面会导致汽车在制动行驶的过程中稳定性大大降低，不仅对汽车本身会造成损坏，对其运载的货物也会造成一定程度的损坏。
发明内容
针对现有技术的不足，本发明提供了无人驾驶远程控制协同决策***，在计算汽车制动状态评估值Pvce时，综合考虑了汽车与异常点之间的相关因素，并在对比汽车制动状态评估值Pvce与评估阈值时，增加考虑了外在环境因素，从而进一步提高***判定如何制动汽车的准确性，结合站点端和转向制动单元的设计，大大提高了汽车制动过程中行驶的安全性，解决了背景技术中提出的关于判定汽车常规制动或是紧急制动不够准确以及汽车在来不及制动时选择转向调节导致汽车稳定性降低的问题。
为实现以上目的，本发明通过以下技术方案予以实现：
无人驾驶远程控制协同决策***，包括载具端、控制云端以及若干站点端；
控制云端用于获取从载具端反馈的数据；
载具端包括依次执行的异常点检测模块、评估判定模块和制动子***；
异常点检测模块，用于获取前方路面信息，判断是否存在异常点，若是则通过汽车搭载的ESC***发送减速请求，并采集汽车的相关数据，若不是则汽车正常行驶；
评估判定模块，搭建数据分析模型，生成汽车制动状态评估值Pvce，并将汽车制动状态评估值Pvce与评估阈值对比，并将对比结果输入制动子***，进行常规或紧急制动选择；
控制云端还对汽车在执行减速请求时的初始位置和异常点的位置之间是否有站点端进行判断，若有，则对距离异常点位置最近的站点端发送启动指令，并在汽车行驶至距离异常点位置最近站点端的条件下，对制动子***内的转向制动单元发送控制指令，以控制汽车转向进入对应的站点端内，若没有，则直接对转向制动单元发送控制指令，以控制汽车转向进入路边区域。
进一步地，在异常点检测模块中，判断是否存在异常点的过程为：
S101、车载摄像头在汽车行驶过程中实时获取前方路面图像；
S102、对前方路面图像进行预处理，并采用边缘检测算法提取路面图像中的边缘特征；
S103、对边缘特征采用分割图像算法进行区分，得到异常区域和正常路面；
S104、搭建规则引擎，判断异常区域是否为突出形或是凹陷形，若是，则为判定为异常点，若不是则该异常区域为非异常点。
进一步地，在采集汽车相关数据时运用到异常点检测模块内置的数据采集单元，相关数据包括汽车执行减速请求时的减速度、异常点与当前汽车的间距以及异常点的预估占地面积和高度。
进一步地，在评估判定模块中，汽车制动状态评估值Pvce的生成步骤如下：
S201、对汽车执行减速请求时的减速度Vr、异常点与当前汽车的间距Hu以及异常点的预估占地面积Wv和高度Ko进行无量纲化处理；
S202、依据异常点的预估占地面积Wv和高度Ko，计算异常点占地系数Har，依据的公式如下：
；
S203、依据汽车执行减速请求时的减速度Vr、异常点与当前汽车的间距Hu以及异常点占地系数Har，计算汽车制动状态评估值Pvce，依据的公式如下：
式中，、/>、/>分别为汽车执行减速请求时的减速度、异常点与当前汽车的间距以及异常点占地系数的预设比例系数，且/>＞/>＞/>＞0，/>，/>为常数修正系数，其具体值可由用户调整设置，或者由分析函数拟合生成。
进一步地，将汽车制动状态评估值Pvce与评估阈值进行对比的过程如下：
S301、车辆在特殊环境下运行时，评估阈值=校正值XZ+预设阈值；
S302、校正值的计算过程如下：
对采集到路面环境的滑湿系数Sxt和路面坡度Po进行无量纲化处理，通过公式计算得到校正值XZ，公式如下：
式中，、/>分别为路面环境的滑湿系数和路面坡度的预设比例系数，且/>，；
S303、若是汽车制动状态评估值Pvce大于评估阈值，则表示需要紧急制动请求；
若是汽车制动状态评估值Pvce不大于评估阈值，则表示需要常规制动请求。
进一步地，制动子***包括常规制动模块、紧急制动模块以及位置预测模块；
其中，常规制动模块，实现ACC工况的制动扭矩控制；
紧急制动模块，实现AEB工况的制动扭矩控制；
位置预测模块，将获取到汽车减速距离Lr和异常点与当前汽车的间距Hu进行对比，其中的汽车减速距离Lr为汽车从发出减速请求到静止时间段内行驶的距离；
若是汽车减速距离Lr大于异常点与当前汽车的间距Hu，则启动紧急制动模块内置的转向制动单元；若是汽车减速距离Lr不大于异常点与当前汽车的间距Hu，则继续正常的制动扭矩控制，直至汽车静止。
进一步地，任一站点端均包括架辊模块和调速模块，若干站点端分别为站点端1、站点端2、…、站点端n，n为对应站点端的编号，且n为正整数。
进一步地，架辊模块包括若干呈均匀分布的橡胶辊和用于驱动各个橡胶辊同步转动的驱动器，调速模块进行制动控制，且制动控制的具体过程为：
S401、获取汽车实时车速Vt；
S402、控制驱动器带动各个橡胶辊的转速与汽车实时车速Vt保持一致，且任一橡胶辊转动方向与汽车车轮转动方向相反；
S403、汽车完全进入到对应的站点端内后，停止制动控制。
本发明提供了无人驾驶远程控制协同决策***，具备以下有益效果：
通过获取汽车执行减速请求时的减速度、异常点与当前汽车的间距以及异常点占地系数为，其中搭建的数据分析模型不仅分析计算了异常点占地系数，还生成了汽车制动状态评估值Pvce，并非只是考虑减速度这一单一因素，还综合考虑了汽车与异常点之间的相关因素，提高了对于常规制动或是紧急制动请求判定的准确性；
通过在对比汽车制动状态评估值Pvce与评估阈值之前，对原本固定的预设阈值增加了校正值，不仅使得评估阈值能够根据实际情况进行自动调整数值，还在判定选用常规制动或是紧急制动时考虑了外在环境因素带来的影响，进一步的提高***判定如何制动汽车的准确性，避免因天气或是路面条件改变导致原本判定结果误差偏大的情况出现；
对于运输货物的汽车而言，遇到突发异常点时无法及时的进行紧急制动，则需要转向调节汽车，为了保证汽车在制动期间始终保持稳定、安全的形式，在原本载具端与控制云端的基础上增加若干站点端，实现多方协同作业，并结合紧急制动模块内的转向制动单元，使得汽车以极小的偏转角度进入对应的站点端，利用站点端内置的各个模块即可保证汽车与站点端保持相对静止，直至汽车车轮停止转动，不仅降低了交通事故的风险，还能及时对汽车或道路异常点进行后续的维护，大大提高了汽车制动过程中行驶的安全性。
附图说明
图1为本发明无人驾驶远程控制协同决策***中载具端的模块化原理图；
图2为本发明无人驾驶远程控制协同决策***中站点端结构图；
图3为本发明无人驾驶远程控制协同决策***的原理图；
图4为本发明无人驾驶远程控制协同决策***中汽车在进入站点端的路径示意图；
图例说明：110、橡胶辊；111、驱动器。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参阅图1-图4，本发明提供无人驾驶远程控制协同决策***，包括载具端、控制云端以及若干站点端；
其中，控制云端用于实时获取从载具端反馈的数据；
载具端内置无线通信器，控制云端能够通过无线通信器远程获取载具端反馈的数据，后续控制云端与各个站点端也采用相同的原理进行数据反馈和控制操作；
载具端包括依次执行的异常点检测模块、评估判定模块和制动子***；
异常点检测模块，用于获取前方路面信息，判断是否存在异常点，若是则通过汽车搭载的ESC***发送减速请求，并采集汽车的相关数据，若不是则汽车正常行驶；
判断是否存在异常点的过程为：
S101、车载摄像头在汽车行驶过程中实时获取前方路面图像；上述车载摄像头是安装于汽车内的高清摄像头，且车载摄像头的拍摄区域始终朝向汽车行驶方向；
S102、对前方路面图像进行预处理，并采用边缘检测算法提取路面图像中的边缘特征；进行预处理时是对图像进行常规的灰度化或滤波处理，以提高图像质量，而后采用的边缘检测算法为Canny算法；
S103、对提取到的路面图像边缘特征进行分析，采用分割图像算法以将异常区域和正常路面进行区分；其中使用的图像分割算法为基于阈值、聚类或深度学习的分割算法
S104、搭建规则引擎，判断异常区域是否为突出形或是凹陷形，若是，则为判定为异常点，若不是则该异常区域为非异常点；突出形和凹陷形分别对应突出障碍物和地面凹陷；
要搭建规则引擎来判断异常区域是否为突出形或凹陷形，可以按以下步骤进行，定义规则：根据判断条件，定义规则语句；例如：如果异常区域是突出形，则判定为异常点；如果异常区域是凹陷形，则判定为异常点；数据准备：获取异常区域的数据，可以是图像或特征数据；规则匹配：将提取的特征数据与事先定义的规则进行匹配，根据规则确定异常区域是否满足条件；结果输出：根据规则匹配的结果，输出判断异常区域是否为异常点的结论；
例如：一些地面上新涂标的指示箭头被识别为异常区域，由于其不是突出形或是凹陷形，则该异常区域不会被进一步判定为异常点，由于本申请采用的是运用于物流园区内的无人驾驶汽车，该汽车运输的均为大型的零件或货物，故路面产生突出形的异常点大多是运输时掉落的零件或货物，对于凹陷形的异常点，则对应的是路面塌陷的情况，由于运输车辆较重和天气潮湿，导致路面塌陷。
在采集汽车相关数据时运用到异常点检测模块内置的数据采集单元，相关数据包括汽车执行减速请求时的减速度、异常点与当前汽车的间距以及异常点的预估占地面积和高度；
具体的，汽车执行减速请求时的减速度是通过ECU反馈获取的，市场上的汽车均配备有电子控制单元（ECU），用于处理车辆状态和控制信号，ECU可以通过监测车辆状态的变化和执行减速请求的信号来推断减速度的大小；
异常点与当前汽车的间距可以通过在汽车上安装激光测距仪直接获取；
异常点的预估占地面积和高度的获取方式如下：
视角和距离校准：对车载摄像头进行视角和距离的校准，这可以通过与车辆的运动传感器或GPS进行配合来实现，以获得更准确的距离和角度信息；
角度测量：通过车载摄像头采集到的图像，可以使用计算机视觉算法来测量物体在图像中的角度信息；例如，使用特征点检测和图像匹配算法，通过测量车载摄像头视野中异常点与地面的角度关系来计算异常点的预估高度；
尺度测量：使用车载摄像头拍摄到的远方地面图像，利用计算机视觉中的透视变换技术进行尺度测量；例如，通过对地面的参考点（如车道线、路标）进行检测和测量，结合已知尺寸来计算远方地面异常点的预估占地面积。
评估判定模块，搭建数据分析模型，生成汽车制动状态评估值Pvce，并将汽车制动状态评估值Pvce与评估阈值进行对比，并将对比结果输入制动子***；
汽车制动状态评估值Pvce的生成步骤如下：
S201、对汽车执行减速请求时的减速度Vr、异常点与当前汽车的间距Hu以及异常点的预估占地面积Wv和高度Ko进行无量纲化处理；
S202、依据异常点的预估占地面积Wv和高度Ko，计算异常点占地系数Har，依据的公式如下：
；
S203、依据汽车执行减速请求时的减速度Vr、异常点与当前汽车的间距Hu以及异常点占地系数Har，计算汽车制动状态评估值Pvce，依据的公式如下：
式中，、/>、/>分别为汽车执行减速请求时的减速度、异常点与当前汽车的间距以及异常点占地系数的预设比例系数，且/>＞/>＞/>＞0，/>，/>为常数修正系数，其具体值可由用户调整设置，或者由分析函数拟合生成，/>的具体取值范围为1.5~1.8。
需要说明的是：本领域技术人员采集多组样本数据并对每一组样本数据设定对应的预设比例系数；将设定的预设比例系数，可以是预设比例系数和采集的样本数据代入公式，任意三个公式构成三元一次方程组，将计算得到的系数进行筛选并取均值，得到、/>、/>的取值；系数的大小是为了将各个参数进行量化得到的一个具体的数值，便于后续比较，关于系数的大小，取决于样本数据的多少及本领域技术人员对每一组样本数据初步设定对应的预设比例系数，也可说是根据实际进行预设规定的，只要不影响参数与量化后数值的比例关系即可，对于其他公式中说明的预设比例系数、常数修正系数中，也同样采取上述的说明。
将汽车制动状态评估值Pvce与评估阈值进行对比的过程如下：
S301、车辆在特殊环境下运行时，评估阈值=校正值XZ+预设阈值；该特殊环境为雨天状态下的路面，导致路面潮湿，较高的滑湿系数Sxt会导致汽车车轮打滑，影响汽车行驶的稳定性，对于后续的路面坡度Po而言，其选定的是具有固定坡度的路面，并不考虑上下起伏的路面，路面坡度Po越大，则汽车上坡时可能不需要紧急制动；
需要说明的是：该预设阈值可以是固定值，是根据历史数据获取设置的。
S302、校正值的计算过程如下：
对采集到路面环境的滑湿系数Sxt和路面坡度Po进行无量纲化处理，通过公式计算得到校正值XZ，公式如下：
式中，、/>分别为路面环境的滑湿系数和路面坡度的预设比例系数，且/>，；上述路面环境的滑湿系数Sxt通过激光遥感式路面状况传感器直接获取，该激光遥感式路面状况传感器的型号为YGLM-Z2型，YGLM-Z2型激光遥感式路面状况传感器所提供的路面干、潮、湿、积雪、结冰等状态以及路面的温度、冰雪的厚度、湿滑的程度等都是控制交通安全的重要指标，其中的滑湿系数Sxt是本申请所需的指标；路面坡度则通过搭载于汽车内的坡度传感器直接获取。
通过在对比汽车制动状态评估值Pvce与评估阈值之前，对原本固定的预设阈值增加了校正值，不仅使得评估阈值能够根据实际情况进行自动调整数值，还在判定选用常规制动或是紧急制动时考虑了外在环境因素带来的影响，进一步的提高***判定如何制动汽车的准确性，避免因天气或是路面条件改变导致原本判定结果误差偏大的情况出现。
S303、若是汽车制动状态评估值Pvce大于评估阈值，则表示需要紧急制动请求；
若是汽车制动状态评估值Pvce不大于评估阈值，则表示需要常规制动请求。
通过获取汽车执行减速请求时的减速度、异常点与当前汽车的间距以及异常点占地系数为，其中搭建的数据分析模型不仅分析计算了异常点占地系数，还生成了汽车制动状态评估值Pvce，并非只是考虑减速度这一单一因素，还综合考虑了汽车与异常点之间的相关因素，提高了对于常规制动或是紧急制动请求判定的准确性。
制动子***包括常规制动模块、紧急制动模块以及位置预测模块；
其中，常规制动模块，用于实现ACC工况的制动扭矩控制；
ACC为自适应巡航控制，汽车软件中的常规制动模块，即ACC模块接受减速度请求，采用一种舒适平缓的方式实现该减速请求；
紧急制动模块，用于实现AEB工况的制动扭矩控制；AEB为碰撞缓解控制，汽车软件中紧急制动模块，即CMS模块控制汽车实现紧急性减速请求，即AEB工况。
位置预测模块，用于将获取到汽车减速距离Lr和异常点与当前汽车的间距Hu进行对比，其中的汽车减速距离Lr为汽车从发出减速请求到静止时间段内行驶的距离；
若是汽车减速距离Lr大于异常点与当前汽车的间距Hu，则启动紧急制动模块内置的转向制动单元；
若是汽车减速距离Lr不大于异常点与当前汽车的间距Hu，则继续正常的制动行驶，直至汽车静止；
上述汽车减速距离Lr大于异常点与当前汽车的间距Hu表示：按照当前的制动模式下，汽车还是会在静止前经过异常点，为了保证汽车稳定的运行，从而启动转向制动单元；
控制云端，还获取汽车在执行减速请求时初始位置和异常点的位置，并判断初始位置和异常点的位置之间是否有站点端；
若有，则对其中距离异常点位置最近的站点端发送启动指令，并在汽车行驶至距离异常点位置最近的站点端的条件下，对转向制动单元发送控制指令，以控制汽车转向进入对应的站点端内；
若没有，对直接对转向制动单元发送控制指令，以控制汽车转向进入路边区域；
具体的，汽车在执行减速请求时初始位置可通过汽车内置GPS模块直接获取，而异常点的位置则根据汽车行驶方向（道路方向）和异常点与当前汽车的间距Hu即可计算获取；
各个站点端也均内置GPS模块，将汽车在执行减速请求时初始位置、异常点的位置、各个站点端的位置均反映在控制云端中构建的在线地图模型上，使用地图的坐标***，不仅可以直接获取初始位置和异常点的位置之间存在站点端的数量，还可以计算异常点位置与各个站点端之间的距离，并找到最近的站点端；例如：以异常点的位置为圆心，建立XY坐标***，与圆心距离最小的站点端为距离异常点位置最近的站点端。
本申请路边的区域内可填充液体，例如：水，水位高度要远远小于汽车高度，在汽车进入路边区域内行驶时，填充的液体可以起到缓冲、降速的作用。
需要注意的是：站点端的数量越多，则汽车驶入路边区域的概率越低，在转向制动单元控制汽车进行转向时，转动的角度根据站点端安装的角度进行调整，确保汽车进入对应的站点端后，不会与站点端内壁发生摩擦。
任一站点端均包括架辊模块和调速模块；若干站点端分别为站点端1、站点端2、…、站点端n，n为对应站点端的编号，且n为正整数。
其中，架辊模块包括若干均匀分布的橡胶辊110和用于驱动各个橡胶辊转动的驱动器111，调速模块进行制动控制，制动控制的具体过程为：
S401、获取汽车实时车速Vt；
S402、控制驱动器111带动各个橡胶辊110的转速与汽车实时车速Vt相等，且任一橡胶辊110转动方向与汽车车轮转动方向相反；
S403、汽车完全进入到对应的站点端内后，停止制动控制；
各个橡胶辊110的转动方向与汽车车轮转动方向相反，使得汽车能够与对应的站点端保持相对静止，即汽车车轮完全行驶至各个橡胶辊110上时，汽车任在架辊模块上运动，但与对应站点端保持相对静止，汽车在对应的站点端内完成制动操作，保证汽车行驶的稳定性，同时也方便后续对汽车进行相应的检修和维护处理。
需要说明的是：相邻两组橡胶辊110之间的间距要小于汽车车轮的直径。
对于运输货物的汽车而言，遇到突发异常点时无法及时的进行紧急制动，则需要转向调节汽车，为了保证汽车在制动期间始终保持稳定、安全的形式，在原本载具端与控制云端的基础上增加若干站点端，实现多方协同作业，并结合紧急制动模块内的转向制动单元，使得汽车以极小的偏转角度进入对应的站点端，利用站点端内置的各个模块即可保证汽车与站点端保持相对静止，直至汽车车轮停止转动，不仅降低了交通事故的风险，还能够及时对汽车或道路异常点进行后续的维护，大大提高了汽车制动过程中行驶的安全性。
上述公式均是去量纲取其数值计算，公式是由采集大量数据进行软件模拟得到最近真实情况的一个公式，公式中的预设参数由本领域的技术人员根据实际情况进行设置。
上述实施例，可以全部或部分地通过软件、硬件、固件或其他任意组合来实现。当使用软件实现时，上述实施例可以全部或部分地以计算机程序产品的形式实现。本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件，或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，既可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。
Claims (6)
1.无人驾驶远程控制协同决策***，包括载具端、控制云端以及若干站点端，控制云端用于获取从载具端反馈的数据，其特征在于：
载具端包括依次执行的异常点检测模块、评估判定模块和制动子***；
异常点检测模块，用于获取前方路面信息，判断是否存在异常点，若是则通过汽车搭载的ESC***发送减速请求，并采集汽车的相关数据，若不是则汽车正常行驶；
评估判定模块，搭建数据分析模型，生成汽车制动状态评估值Pvce，并将汽车制动状态评估值Pvce与评估阈值对比，汽车制动状态评估值Pvce的生成步骤如下：
S201、对汽车执行减速请求时的减速度Vr、异常点与当前汽车的间距Hu以及异常点的预估占地面积Wv和高度Ko进行无量纲化处理；
S202、依据异常点的预估占地面积Wv和高度Ko，计算异常点占地系数Har，依据的公式如下：
S203、依据汽车执行减速请求时的减速度Vr、异常点与当前汽车的间距Hu以及异常点占地系数Har，计算汽车制动状态评估值Pvce，依据的公式如下：
式中，、/>、/>分别为汽车执行减速请求时的减速度、异常点与当前汽车的间距以及异常点占地系数的预设比例系数，且/>＞/>＞/>＞0，/>，/>为常数修正系数，其具体值可由用户调整设置，或者由分析函数拟合生成；
将汽车制动状态评估值Pvce与评估阈值进行对比的过程如下：
S301、车辆在特殊环境下运行时，评估阈值=校正值XZ+预设阈值；
S302、校正值的计算过程如下：
对采集到路面环境的滑湿系数Sxt和路面坡度Po进行无量纲化处理，通过公式计算得到校正值XZ，公式如下：
式中，、/>分别为路面环境的滑湿系数和路面坡度的预设比例系数，且/>，；
S303、若是汽车制动状态评估值Pvce大于评估阈值，则表示需要紧急制动请求；
若是汽车制动状态评估值Pvce不大于评估阈值，则表示需要常规制动请求；并将对比结果输入制动子***，进行常规或紧急制动选择；
控制云端还对汽车在执行减速请求时的初始位置和异常点的位置之间是否有站点端进行判断，若有，则对距离异常点位置最近的站点端发送启动指令，并在汽车行驶至距离异常点位置最近站点端的条件下，对制动子***内的转向制动单元发送控制指令，以控制汽车转向进入对应的站点端内，若没有，则直接对转向制动单元发送控制指令，以控制汽车转向进入路边区域。
2.根据权利要求1所述的无人驾驶远程控制协同决策***，其特征在于：在异常点检测模块中，判断是否存在异常点的过程为：
S101、车载摄像头在汽车行驶过程中实时获取前方路面图像；
S102、对前方路面图像进行预处理，并采用边缘检测算法提取路面图像中的边缘特征；
S103、对边缘特征采用分割图像算法进行区分，得到异常区域和正常路面；
S104、搭建规则引擎，判断异常区域是否为突出形或是凹陷形，若是，则为判定为异常点，若不是则该异常区域为非异常点。
3.根据权利要求1所述的无人驾驶远程控制协同决策***，其特征在于：在采集汽车相关数据时运用到异常点检测模块内置的数据采集单元，相关数据包括汽车执行减速请求时的减速度、异常点与当前汽车的间距以及异常点的预估占地面积和高度。
4.根据权利要求1所述的无人驾驶远程控制协同决策***，其特征在于：制动子***包括常规制动模块、紧急制动模块以及位置预测模块；
其中，常规制动模块，实现ACC工况的制动扭矩控制；
紧急制动模块，实现AEB工况的制动扭矩控制；
位置预测模块，将获取到汽车减速距离Lr和异常点与当前汽车的间距Hu进行对比，其中的汽车减速距离Lr为汽车从发出减速请求到静止时间段内行驶的距离；
若是汽车减速距离Lr大于异常点与当前汽车的间距Hu，则启动紧急制动模块内置的转向制动单元；若是汽车减速距离Lr不大于异常点与当前汽车的间距Hu，则继续正常的制动扭矩控制，直至汽车静止。
5.根据权利要求1所述的无人驾驶远程控制协同决策***，其特征在于：任一站点端均包括架辊模块和调速模块，若干站点端分别为站点端1、站点端2、…、站点端n，n为对应站点端的编号，且n为正整数。
6.根据权利要求5所述的无人驾驶远程控制协同决策***，其特征在于：架辊模块包括若干呈均匀分布的橡胶辊（110）和用于驱动各个橡胶辊同步转动的驱动器（111），调速模块进行制动控制，且制动控制的具体过程为：
S401、获取汽车实时车速Vt；
S402、控制驱动器（111）带动各个橡胶辊（110）的转速与汽车实时车速Vt保持一致，且任一橡胶辊（110）转动方向与汽车车轮转动方向相反；
S403、汽车完全进入到对应的站点端内后，停止制动控制。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311377695.0A CN117104218B (zh) | 2023-10-24 | 2023-10-24 | 无人驾驶远程控制协同决策*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311377695.0A CN117104218B (zh) | 2023-10-24 | 2023-10-24 | 无人驾驶远程控制协同决策*** |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117104218A CN117104218A (zh) | 2023-11-24 |
| CN117104218B true CN117104218B (zh) | 2024-01-26 |
Family
ID=88809550
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311377695.0A Active CN117104218B (zh) | 2023-10-24 | 2023-10-24 | 无人驾驶远程控制协同决策*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117104218B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108909707A (zh) * | 2018-07-26 | 2018-11-30 | 南京威尔瑞智能科技有限公司 | 一种基于pid控制的无人车刹车装置及其方法 |
| JP2019182425A (ja) * | 2018-09-07 | 2019-10-24 | 百度在線網絡技術（北京）有限公司 | 自動運転車両の制御方法、自動運転車両の制御装置及びコンピュータ読み取り可能な記憶媒体 |
| CN112433519A (zh) * | 2020-11-09 | 2021-03-02 | 温州大学大数据与信息技术研究院 | 一种无人驾驶检测***及车辆行驶检测方法 |
| CN112918468A (zh) * | 2019-12-05 | 2021-06-08 | 追目智能科技(上海)有限公司 | 无人驾驶纯电动汽车整车能量管理***及工作方法 |
| CN115092185A (zh) * | 2022-07-19 | 2022-09-23 | 重庆长安汽车股份有限公司 | 自动驾驶车辆的动态避障方法、装置、车辆及存储介质 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20200098774A (ko) * | 2019-02-12 | 2020-08-21 | 주식회사 만도 | 차량 및 그 제어 방법 |
-
2023
- 2023-10-24 CN CN202311377695.0A patent/CN117104218B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108909707A (zh) * | 2018-07-26 | 2018-11-30 | 南京威尔瑞智能科技有限公司 | 一种基于pid控制的无人车刹车装置及其方法 |
| JP2019182425A (ja) * | 2018-09-07 | 2019-10-24 | 百度在線網絡技術（北京）有限公司 | 自動運転車両の制御方法、自動運転車両の制御装置及びコンピュータ読み取り可能な記憶媒体 |
| CN112918468A (zh) * | 2019-12-05 | 2021-06-08 | 追目智能科技(上海)有限公司 | 无人驾驶纯电动汽车整车能量管理***及工作方法 |
| CN112433519A (zh) * | 2020-11-09 | 2021-03-02 | 温州大学大数据与信息技术研究院 | 一种无人驾驶检测***及车辆行驶检测方法 |
| CN115092185A (zh) * | 2022-07-19 | 2022-09-23 | 重庆长安汽车股份有限公司 | 自动驾驶车辆的动态避障方法、装置、车辆及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117104218A (zh) | 2023-11-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11783707B2 (en) | Vehicle path planning | |
| EP3745158A1 (en) | Methods and systems for computer-based determining of presence of dynamic objects | |
| CN106257242B (zh) | 用于调节道路边界的单元和方法 | |
| US10616486B2 (en) | Video stabilization | |
| KR101916506B1 (ko) | 차량 움직임에 근거하여 주행 환경에서의 변화 검출 | |
| CN113168708B (zh) | 车道线跟踪方法和装置 | |
| EP3410418A1 (en) | Vehicle travel control method and vehicle travel control device | |
| CN113264039B (zh) | 基于路侧感知装置的车辆驾驶方法、装置和车路协同*** | |
| US11535259B2 (en) | Method for determining a friction coefficient for a contact between a tire of a vehicle and a roadway, and method for controlling a vehicle function of a vehicle | |
| US10769799B2 (en) | Foreground detection | |
| US11055859B2 (en) | Eccentricity maps | |
| US10684622B2 (en) | Vehicle dynamics monitor for autonomous vehicle | |
| US11521494B2 (en) | Vehicle eccentricity mapping | |
| CN115243949A (zh) | 定位误差监控 | |
| CN111791814A (zh) | 车辆胶囊网络 | |
| US11531349B2 (en) | Corner case detection and collection for a path planning system | |
| CN117104218B (zh) | 无人驾驶远程控制协同决策*** | |
| CN113227831B (zh) | 基于多传感器数据融合的护栏估计方法和车载设备 | |
| CN117485369A (zh) | 一种物流机器人运输中变形障碍物实时检测方法 | |
| CN116118770A (zh) | 面向稳健自动驾驶控制的车辆感知***的自适应合理化器 | |
| CN110341716B (zh) | 车速计算方法、装置、自动驾驶***及存储介质 | |
| CN114187752B (zh) | 危化品车辆在跨海桥梁运输中的预警***及方法 | |
| CN103852047B (zh) | 利用车身信号侦测车道曲率的方法及其*** | |
| CN117725502A (zh) | 目标俯仰分类方法、装置、计算机设备和存储介质 | |
| CN116373762A (zh) | 车载摄像机对准监测*** |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |